我要和 @steve02081504 对线!
文章使用markdown排版,推荐使用 https://linux.sb/topic/9945 .
agent框架,agent平台,agent IDE——我们真的需要那么多agent吗?
最近一年,AI 行业出现了一种新的狂热.
从 agent framework,agent platform,agent IDE,到各种 agent workflow,agent OS,很多人都在尝试构建下一代 AI 时代的软件基础设施.
他们相信未来的软件不会再由人直接操作,而是由 agent 代替人完成任务.
这个方向可能没有错.
但问题是:
『我们真的需要这么多agent吗?』
或者说,现在大量围绕 agent 构建的基础设施,到底有多少是真正有价值的技术创新,又有多少只是 AI 泡沫下的重复建设?
完全没有技术壁垒
首先需要明确一点:
agent 本身并没有想象中那么神秘.
一个最基础的 agent,本质上就是:
llm + 循环 + 工具调用
llm 负责生成下一步行为.
循环负责让它持续观察,思考,行动.
工具调用负责让它影响外部世界.
除此之外的 memory,workflow,skill 等能力,本质上都是围绕这三个核心进行扩展.
这意味着大量所谓 agent 框架,实际上并没有创造一个新的计算范式.
它们更多是在封装:
- 如何调用模型.
- 如何保存上下文.
- 如何管理工具.
- 如何编排任务.
这些东西当然有工程价值,但是工程价值和商业壁垒是两个概念.
今天一个团队可以开发一个 agent framework.
明天模型厂商就可以把类似能力直接集成到自己的 SDK 中.
当基础模型公司开始向上吞并应用层能力时,大量中间层产品最终都会变成巨头生态中的一个功能.
军阀混战
现在的 agent 行业,某种程度上很像互联网早期的门户战争.
所有人都认为自己能够成为未来 AI 时代的入口.
于是大量公司开始争夺:
『谁才是 agent 的操作系统?』
但问题在于,入口这种东西并不是越多越好.
互联网时代,无数门户网站曾经认为自己会成为下一代信息入口.
移动互联网时代,也有大量公司试图打造自己的超级平台.
但最终真正留下来的永远只是少数几个.
原因很简单:
用户不需要十个入口.
用户甚至不关心底层使用了什么框架.
用户只关心:
『这个东西能不能解决我的问题.』
agent 领域也一样.
未来用户不会因为某个产品使用了更先进的 agent framework 而选择它.
他们只会选择效果最好,成本最低,最符合需求的那个.
为什么个人从业者一定会死——互联网巨头的补贴打法
agent 最大的问题,不是技术难度.
而是竞争环境.
如果一个个人开发者或者小团队开发一个通用 agent 平台,那么它面对的竞争对手可能不是其他创业公司.
而是拥有:
- 基础模型.
- 云计算.
- 用户生态.
- 资金规模.
的互联网巨头.
小团队花一年时间打磨出来的能力,巨头可能只需要增加一个产品功能.
然后通过免费策略,生态绑定,用户入口优势快速覆盖.
这和过去互联网行业的竞争逻辑完全一致.
基础设施层最终往往会被拥有资源优势的公司吞并.
不是因为小团队做得不好.
而是因为它们竞争的维度根本不同.
AI泡沫所导致的相关内容的乐观估值
目前市场对于 AI 相关项目存在明显的过度乐观.
很多项目只需要展示一个可以运行的 agent demo,就能够获得大量关注和高估值.
背后的逻辑是:
『AI 一定会改变世界.』
这句话可能正确.
但是从来没有一个技术革命意味着所有参与者都会成功.
互联网改变了世界,但互联网泡沫时期大量公司消失.
移动互联网改变了世界,但早期无数应用平台最终失败.
技术趋势和商业机会并不是同一个东西.
AI 会重塑软件行业.
但这不代表所有挂上 AI 或 agent 标签的公司都会拥有长期价值.
agent的实际价值在哪?
如果通用 agent 平台价值有限,那么 agent 真正的机会在哪里?
答案可能不是创造一个什么都能做的数字员工.
而是在某个具体领域内,成为一个高度优化的工具.
很多人认为通用 agent 可以通过 skill,memory,甚至训练获得专业能力.
理论上这是成立的.
一个足够强大的通用 agent 确实可以学习法律,学习编程,学习医学,学习设计.
但问题在于:
能力覆盖范围越广,通常意味着系统需要承担更多额外信息.
而这些额外信息对于当前任务可能完全没有价值.
为什么特化,深度定制的agent一定会胜出
通用 agent 最大的问题不是它不会专业领域.
而是它太泛化.
一个面向所有工作的 agent,需要考虑所有工作的可能性.
它需要拥有大量通用知识,大量工具接口,大量行为模式.
这些能力增加了它的灵活性.
但同时也带来了成本.
更多无关上下文意味着更多 token 消耗.
更多可能性意味着注意力被分散.
更多泛化能力意味着在特定任务上的优化空间降低.
而一个深度定制的 agent 不需要考虑这些问题.
它可以直接针对:
- 特定数据.
- 特定流程.
- 特定工具.
- 特定评价标准.
进行优化.
例如一个代码开发 agent,它可以完全围绕代码库结构,测试流程,部署环境进行设计.
一个工业 agent,可以完全围绕生产流程和设备数据进行优化.
这种 agent 可能没有通用 agent 那么泛用.
但是在目标领域内,它拥有更高的效率和更明确的能力上限.
未来真正有价值的 agent,可能不是『什么都会一点』.
而是『只解决一个问题,但把这个问题解决到极致』.
结论
agent 技术本身不会消失.
但是当前大量 agent framework,agent platform,agent IDE 的价值是被严重高估的.
很多产品是在 AI 浪潮中重复建设基础设施,参与者们像是新时代的淘金者.
未来基础设施层会被少数巨头整合.
真正留下来的,是那些嵌入具体领域,拥有长期数据积累,能够解决具体问题的专业 agent.